Probleem

Binnen dit tekort vormt studentenhuisvesting een aanzienlijk probleem: een tekort van 27.000 woningen, dat naar verwachting zal stijgen tot 45.000 in 2030. In de MRDH regio is dit probleem niet anders, hier studeert ongeveer 10% van de Nederlandse studenten (55.000), en daarnaast heeft de regio een almaar groeiende bevolking. Door verschillende factoren is de woningcrisis niet zomaar opgelost: 

• Bevolkingsgroei: na verwachting zal de bevolking in de regio stijgen met 600.000 mensen tegen 2040, terwijl er maar 240.000 nieuwe woningen bijgebouwd gaan worden. 
• Huizenprijzen zijn fors gestegen, en blijven stijgen waardoor betaalbare huisvesting schaars is 
• Problemen zoals stikstof, slappe bodemcondities en economische beperkingen remmen de ontwikkeling van nieuwbouwprojecten 

Deze problemen hebben verstrekkende gevolgen, van overvolle huisvestingsmarkten tot studenten die in precaire omstandigheden leven, zoals geïmproviseerde tentenkampen, of internationale reizen ondernemen vanwege een gebrek aan nabijgelegen accommodatie. 

Voorbeelden van bestaande AI oplossingen 

AI kan oplossingen bieden voor dit woningtekort. YES!Delft heeft een onderzoek gedaan naar bestaande oplossingen die kunnen helpen bij de huisvestingscrisis. De voorbeelden zijn hieronder gegeven. 

‍

Het optimaliseren van het gebruik van bestaande middelen 

AI kan woninggegevens analyseren om onderbenutte ruimte te identificeren, wat innovatieve concepten kan opleveren zoals intergenerationele huisvesting. Een voorbeeld daarvan is Nesterly, een platform dat oudere huiseigenaren met extra ruimte verbindt met studenten of jonge huurder die op zoek zijn naar betaalbare huisvesting. Dit heeft meerdere voordelen: 

• Levert betaalbare huisvesting op voor jonge huurder 
• Huiseigenaren ontvangen een extra inkomen 
• Het moedigd intergenerationeel wonen aan, wat een sociale maatschappij bevorderd en eenzaamheid tegen gaat 
• Door optimaal gebruik te maken van bestaande ruimte, heeft het de minste impact op het milieu  

‍

Verbeterde huurmatchmaking

Platforms zoals Homeppl gebruiken AI om huurdersselectie te stroomlijnen, discriminatie te verminderen en betere beslissingen te nemen. Homeppl bied een referentie service aan verhuurders door huurders uit alle landen te beoordelen op basis van financiële achtergrond om risico’s te verminderen en beslissingen te verbeteren. Ze gebruiken hiervoor verschillende databronnen zoals huur historie, werkgeversverklaringen en vermogen. De automatische screening minimaliseert discriminatie en verbeterd de besluitvorming van verhuurders.  

‍

Voorspellende analyses voor slimme stedelijke planning 

Met AI aangedreven Geografische Informatiesystemen (GIS) kunnen ideale locaties voor nieuwe ontwikkelingen worden geïdentificeerd. Daarnaast kan direct een analyse gedaan worden op de omgeving van het gebied, zoals milieu impact of verkeerssituaties. Dit kan de overheden de juiste informatie geven om besluiten te nemen rondom woningbouw. 

‍

Verbeterde daklozenhulp 

AI-gestuurde chatbots en data-analyse kunnen risicogroepen snel verbinden met huisvesting hulpbronnen. AI kan bijvoorbeeld worden ingezet om patronen te identificeren en te voorspellen welke individuen er dakloos dreigen te raken. Zo is afgelopen jaar, in 2023 een vrouw in Los Angeles geholpen vlak voordat ze haar huis zou kwijtraken.  

Daarnaast kan AI daklozen beter ondersteunen. Zo heeft de Canadeze start-up Ample Labs een AI chatbot ontwikkeld die daklozen verbindt met mensen of organisaties voor bijvoorbeeld gratis maaltijden of onderdak. In plaats van te moeten handelen in het bureaucratische net van overheidsinstellingen en hulporganisaties kunnen daklozen en inwoners nu simpel verbonden worden via de chatbot. Daarnaast bleek dat daklozen het gemakkelijker vinden om persoonlijke informatie te delen via een Chatbot dat face 2 face vanwege de vaak aanwezige schaamte van de dakloze. 

‍

Conclusie en aanbevelingen 

Deze oplossingen pakken niet alleen de directe behoeften aan, maar bevorderen ook duurzame stedelijke ontwikkeling.De mogelijkheden van AI om te analyseren, voorspellen en optimaliseren bieden echter veelbelovende manieren om deze druk te verlichten. Vooruitkijkend zullen proefprogramma's en samenwerking tussen belanghebbenden cruciaal zijn om deze AI-gedreven concepten in praktijk te brengen.